2、基于实证驱动的用例元模型演化

基于实证驱动的用例元模型演化

1. 检测启发式方法

检测启发式方法基于一个简单的理念：存在一些用例指标，这些指标可以定义出常见值的范围。如果某个用例的指标值超出了其对应的常见范围，那么该用例就被视为可能存在缺陷，需要进行检查。

这些指标的OCL定义基于特定的元模型，并且可以在XSLT中轻松计算，启发式方法可以使用用例的XML表示在REM中自动应用。以下是一些基于指标的启发式方法及其原理：
| 启发式方法 | 指标范围 | 原理 |
| — | — | — |
| 启发式方法 (A) | NOS 应在 [3, 9] 内 | 步骤太少的用例可能不完整，步骤太多则通常表示细节级别过低，使该用例难以理解且容易出现缺陷 |
| 启发式方法 (B) | NOAS RATE 应在 [30%, 70%] 内 | - |
| 启发式方法 (C) | NOSS RATE 应在 [40%, 80%] 内 | 用例描述系统 - 参与者交互，因此参与者和系统步骤的比例应接近 50% |
| 启发式方法 (D) | NOUS RATE 应在 [0%, 25%] 内 | 滥用用例关系会使用例难以理解，应仅用于避免常见步骤的重复 |
| 启发式方法 (E) | CC 应在 [1, 4] 内 | 圈复杂度值高意味着有许多条件步骤和异常，可能使该用例难以理解且容易出现缺陷 |

2. 实证分析

通过手动验证塞维利亚大学软件工程专业学生开发的8份需求文档中的127个用例，对上述验证启发式方法进行了实证评估和分析。

2.1 启发式方法 A 的分析

实证数据广泛验证了该启发式方法：85%